Propuesta de un Método de Imputación Múltiple para Variables de Tasas y Proporciones

Vista sencilla de ítem
dc.contributor.advisorPacheco López, Mario JoséSpa
dc.contributor.authorAvila León, MarioSpa
dc.contributor.corporatenameUniversidad Santo Tomásspa
dc.contributor.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000775479spa
dc.contributor.googlescholarhttps://scholar.google.com/citations?hl=es&user=a5SEoPgAAAAJspa
dc.contributor.orcidhttps://orcid.org/0000-0003-4752-703Xspa
dc.coverage.campusCRAI-USTA Bogotáspa
dc.date.accessioned2023-02-04T00:24:17Z
dc.date.available2023-02-04T00:24:17Z
dc.date.issued2023-02-03
dc.descriptionEl análisis de datos faltantes está orientado a la investigación y aplicación de métodos estadísticos, que permiten trabajar conjuntos de datos, con información faltante. Mediante procesos de estimación estadística, los valores faltantes en una base de datos (o muestra), pueden reemplazarse con valores obtenidos en dicho proceso; y lograr una base de datos con información completa. Algo ideal para un investigador; disponer de la data completa es una garantía para considerar toda la información de la muestra. Por este motivo, obtener una buena estimación de los valores faltantes, permite mejorar los análisis; por el contrario, reemplazar los valores ausentes con sesgos en su estimación puede generar valoraciones inadecuadas en un análisis. Los métodos y procesos para la imputación de datos faltantes, mejoran su potencia según el comportamiento de los datos y la información observada. Por tanto, los métodos de imputación pueden aplicarse a variables que cumplan algunas condiciones para asegurar una adecuada estimación. Este trabajo, propone estimar los valores faltantes para variables de proporciones o tasas, con un modelo de regresión Beta.spa
dc.description.abstractMissing data analysis is oriented to the investigation and application of statistical methods, that allow working with data sets, with missing information. By means of statistical estimation processes, the missing values in a database (or sample), can be replaced with values obtained in this process; and achieve a database with complete information. Something ideal for a researcher; having the complete data is a guarantee to consider all the information of the sample. For this reason, obtaining a good estimate of the missing values, allows to improve the analysis; on the contrary, replacing the missing values with biases in their estimation can generate inadequate valuations in an analysis. The methods and processes for missing data, imputation improve their power according to the behavior of the data and the information observed. Therefore, imputation methods can be applied to variables that meet some conditions to ensure an adequate estimation. This paper, proposes to estimate missing values for ratio or rate variables, with a Beta regression model.Eng
dc.description.degreelevelPregradospa
dc.description.degreenameProfesional en estadísticaspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.citationAvila León, M. (2022). Propuesta de un Método de Imputación Múltiple para Variables de Tasas y Proporciones. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.spa
dc.identifier.instnameinstname:Universidad Santo Tomásspa
dc.identifier.reponamereponame:Repositorio Institucional Universidad Santo Tomásspa
dc.identifier.repourlrepourl:https://repository.usta.edu.cospa
dc.identifier.urihttp://hdl.handle.net/11634/49335
dc.language.isospaspa
dc.publisherUniversidad Santo Tomásspa
dc.publisher.facultyFacultad de estadísticaspa
dc.publisher.programRregrado estadísticaspa
dc.relation.referencesCristian Tellez, S. G., Diego Lemus. (2014). Estadística Inferencial con Aplicaciones en R. Institución Universitaria Los Libertadores.spa
dc.relation.referencesDagnino, J. (2014). Datos Faltantes (Missing Values). Revista Chilena de Anestesía, (43), 332-334.spa
dc.relation.referencesDennis D. Wackerly, R. L. S., William Mendenhall III. (2010). Statistical Analysis with Missing Data (7st). Cengage Learning Editores, SA de CV.spa
dc.relation.referencesEnders, C. K. (2010). Applied Missing Data Analysis. The Guilford Press.spa
dc.relation.referencesFernando Medina, M. G. (2007). Imputación de Datos: Teoría y Práctica (inf. téc.). CEPAL.spa
dc.relation.referencesFrancisco Cribari-Neto, A. Z. (2010). Beta Regression in R. Journal of Statistical Software, 34.spa
dc.relation.referencesGeert Molenberghs, M. G. K. (2007). Missing Data in Clinical Studies. John Wiley & Sons Ltd.spa
dc.relation.referencesJuan Francisco Muñoz Rojas, E. Á. V. (2009). Métodos de imputación para el tratamiento de datos faltantes: aplicación mediante R/Splus. Revista de Métodos Cuantitativos para la Economía y la Empresa, (3), 3-30.spa
dc.relation.referencesMitas, J. B. L. H. G. M. F. M. G. (2018). Visualización y Métodos de Imputación de Datos Faltantes en la Encuesta de Gasto de los Hogares (inf. téc.). Universidad del Rosario de Argentina.spa
dc.relation.referencesMoisés, C. C. (2014). Imputación de Datos Faltantes en un Modelo de Tiempo de Fallo Acelerado (Tesis de maestría). Universidad da Coruña.spa
dc.relation.referencesRianne Margaretha Schouten, G. V. (2021). The Dance of the Mechanisms: How Observed Information Influences the Validity of Missingness Assumptions. Sociological Methods & Research, 50, 1243-1258.spa
dc.relation.referencesRianne Margaretha Schouten, G. V., Peter Lugtig. (2018). Generating missing values for simulation purposes: a multivariate amputation procedure. Journal of Statistical Computation and Simulation, 88 (15), 2909-2930.spa
dc.relation.referencesRoderick J. A. Little, D. B. R. (2020). Statistical Analysis with Missing Data (3rd). John Wiley & Sons, Inc.spa
dc.relation.referencesSilvia L.P. Ferrari, F. C.-N. (2004). Beta Regression for Modelling Rates and Proportions.spa
dc.relation.referencesStef Van Buuren, K. G.-O. (2011). mice: Multivariate Imputation by Chained Equations in R. Journal of Statistical Software, 45, 1-67.spa
dc.relation.referencesVillegas, M. Á. G. (2005). Inferencia Estadística. Díaz de Santos.spa
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.localAbierto (Texto Completo)spa
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordMissing dataEng
dc.subject.keywordBeta regressionEng
dc.subject.keywordImputationEng
dc.subject.keywordImputation methodsEng
dc.subject.keywordRate and ratio variablesEng
dc.subject.lembEstadísticasspa
dc.subject.lembVariables de Tasasspa
dc.subject.lembMétodos Estadísticosspa
dc.subject.proposalDatos faltantesspa
dc.subject.proposalRegresión Betaspa
dc.subject.proposalImputaciónspa
dc.subject.proposalMétodos de imputaciónspa
dc.subject.proposalVariables de tasas y proporcionesspa
dc.titlePropuesta de un Método de Imputación Múltiple para Variables de Tasas y Proporcionesspa
dc.typebachelor thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driveinfo:eu-repo/semantics/bachelorThesis
dc.type.versioninfo:eu-repo/semantics/acceptedVersion

Archivos

Bloque original

Mostrando 1 - 3 de 3
Miniatura
Nombre:
2022marioávila
Tamaño:
412.15 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Thumbnail USTA
Nombre:
2022cartaaprobaciónfacultad
Tamaño:
135.73 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Thumbnail USTA
Nombre:
2022cartaderechosautor
Tamaño:
194.11 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Thumbnail USTA
Nombre:
license.txt
Tamaño:
807 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado Estadística